ART-SS: An Adaptive Rejection Technique forSemi-Supervised restoration for adverseweather-affected

代码：https://github.com/rajeevyasarla/ART-SS

摘要：

（本人因为没有复现出本文的结果（差了很多个点）而感到焦虑，所以简单记录一下。如果有朋友正在复现或已浮现出论文中的结果可以一起讨论讨论啊，感激！！// 如果有朋友因为想查看晚上论文讲解而查到本文，实在不好意思，没有详细记录。） 

由于合成图像与真实世界图像之间的域差距，使用合成生成的天气退化图像往往导致真实天气退化图像的性能不理想。为了解决这一问题，人们提出了各种半监督恢复(SSR)方法来去雨或去雾，以学习使用综合生成的数据集来恢复干净的图像，同时使用未标记的真实图像进行更好的推广。半监督方法的性能基本上是基于未标记数据的质量。特别是，如果未标记数据的特征与标记数据有很大的不同，那么半监督方法的性能就会显著下降。我们从理论上研究了未标记数据对SSR方法性能的影响，并开发了一种拒绝降低性能的未标记图像的技术。

图示：通过这张图就能知道这篇论文的思想了。

 网络结构：

 实验：